بلاگ

ما نسبت به سطح ماه يا مريخ بسيار كمتر از اقيانوس هاي زمين مي دانيم. كف دريا با قايقهاي گسترده ، تپه هاي بلند برجسته ، سنگرهاي عميق و صخره هاي بي نظير حك شده است ، كه اكثر آنها براي وسايل نقليه زير آب مستقل (AUV) براي حركت بسيار خطرناك يا غيرقابل دسترسي تلقي مي شود.

اما اگر پاداش سفر در چنين مكان هايي ارزش ريسك داشته باشد ، چه مي شود؟

مهندسان MIT اكنون الگوريتمي را توسعه داده اند كه به AUV اجازه مي دهد خطرات و پاداش هاي احتمالي كاوش در يك منطقه ناشناخته را وزن كند. به عنوان مثال ، اگر وسيله نقليه وظيفه شناسايي نشت نفت زير آب به يك سنگر شيب دار ، صخره اي نزديك شود ، الگوريتم مي تواند ميزان پاداش را ارزيابي كند (احتمال وجود يك نزول نفتي در نزديكي اين سنگر) وجود دارد ، و سطح خطر (احتمال برخورد با يك اگر قرار بود از طريق سنگر مسيري طي شود.

ايتون مي گويد: "اگر ما با وسايل نقليه گران قيمت خود بسيار محافظه كار بوديم و مي گفتيم كه ماندگاري آن مهمتر از همه است ، پس چيز جالبي پيدا نمي كنيم." "اما اگر درك كنيم بين پاداش آنچه شما جمع مي كنيد و خطر يا تهديد به سمت اين جغرافياي خطرناك وجود دارد ، ما مي توانيم خطراتي ببخشيم."

آيتون مي گويد الگوريتم جديد مي تواند مبادلات ريسك را در مقابل پاداش در زمان واقعي محاسبه كند ، زيرا يك وسيله نقليه تصميم مي گيرد كجا اكتشاف بعدي را انجام دهد. او و همكارانش در آزمايشگاه برايان ويليامز ، استاد هوانوردي و فضانوردي ، اين الگوريتم و ديگران را در AUV ها با هدف استقرار ناوگان از كاشفان جسورانه و روباتيك جسورانه ، براي تعدادي از مأموريتها از جمله جستجوي ذخاير نفتي دريايي انجام مي دهند. ، بررسي تأثير تغييرات آب و هوا در صخره هاي مرجاني ، و بررسي محيط هاي شديد مشابه اروپا ، يك ماه يخي پوشيده از مشتري كه اين تيم اميدوار است يك روز وسايل نقليه را طي كنند.

"اگر ما به اروپا رفتيم و دليل بسيار شديدي داشتيم كه باور داشته باشيم كه ممكن است يك مشاهدات ميليارد دلاري در غاري يا نهر ايجاد شود كه اين امر ارسال يك فضاپيما به اروپا را توجيه مي كند ، آنگاه ما كاملاً دوست داريم كه خطر رفتن در آن غار را داشته باشيم. "آيتون مي گويد. "اما الگوريتم هايي كه ريسك را در نظر نمي گيرند هرگز نمي توانند اين مشاهدات را كه به طور بالقوه در حال تغيير تاريخ است ، پيدا كنند."

آيتون و ويليامز به همراه ريچارد كاملي از موسسه اقيانوس شناسي وودز هول ، الگوريتم جديد خود را در انجمن كنفرانس هوش مصنوعي اين هفته در هونولولو ارائه مي دهند.

مسيري جسورانه

الگوريتم جديد اين تيم اولين كسي است كه "نمونه برداري سازگار با ريسك" را فعال مي كند. به عنوان مثال ، يك مأموريت نمونه گيري تطبيقي ​​براي انطباق خودكار مسير AUV ، بر اساس اندازه گيري هاي جديدي كه وسيله نقليه هنگام بررسي منطقه خاص انجام مي دهد ، طراحي شده است. اكثر مأموريتهاي نمونه گيري سازگار كه خطر را در نظر مي گيرند ، معمولاً با پيدا كردن مسيرهايي با سطح خطر قابل قبول ، بتن ريزي انجام مي دهند. به عنوان مثال ، AUV ها فقط مي توانند در برنامه ريزي مسيرهايي با احتمال برخورد كه از 5 درصد تجاوز نمي كند.

اما محققان دريافتند كه مسئوليت ريسك به تنهايي مي تواند پاداش هاي بالقوه يك ماموريت را به شدت محدود كند.

آيتون مي گويد: "قبل از اينكه به يك مأموريت بپردازيم ، مي خواهيم خطري را كه مايل به دريافت سطح مشخصي از پاداش هستيم ، مشخص كنيم." "به عنوان مثال ، اگر مسيري براي هدايت به منافذ هيدروترمال بيشتر باشد ، ما مايل به پذيرش اين ميزان خطر خواهيم بود ، اما اگر قرار نيست چيزي را ببينيم ، مايل به ريسك كمتري خواهيم بود."

الگوريتم تيم داده هاي مربوط به حمام سنجي يا اطلاعاتي در مورد توپوگرافي اقيانوس ، از جمله هرگونه موانع اطراف ، به همراه ديناميك خودرو و اندازه گيري هاي اينرسي را در اختيار دارد تا سطح خطر براي يك مسير پيشنهادي مشخص را محاسبه كند. اين الگوريتم همچنين تمام اندازه گيري هاي قبلي را كه AUV در نظر گرفته است ، انجام مي دهد تا احتمال وجود چنين اندازه گيري هايي با پاداش بالا را در طول مسير پيشنهادي محاسبه كند.

اگر نسبت ريسك به پاداش مقدار مشخصي را كه از قبل توسط دانشمندان تعيين شده است ، برآورده كند ، پس AUV با مسير پيشنهادي پيش مي رود و با استفاده از اندازه گيري هاي بيشتري كه به الگوريتم باز مي گردد ، به كمك آن مي توانيد خطر و پاداش ساير مسيرها را ارزيابي كنيد. وسيله نقليه به جلو حركت مي كند

محققان الگوريتم خود را در شبيه سازي ماموريت AUV در شرق بندر بوستون آزمايش كردند. آنها از داده هاي حمام سنجي جمع آوري شده از منطقه در طي يك بررسي قبلي NOAA استفاده كردند و كاوشگر AUV را در عمق 15 متر از طريق مناطق با دماي نسبتاً بالا شبيه سازي كردند. آنها به بررسي چگونگي برنامه ريزي اين الگوريتم از مسير وسيله نقليه در سه سناريو مختلف از خطر قابل قبول پرداختند.

در سناريويي با كمترين ريسك قابل قبول ، به اين معني كه وسيله نقليه بايد از مناطقي كه احتمال برخورد بسيار بالايي را دارند ، اجتناب كند ، اين الگوريتم از يك مسير محافظه كارانه نقشه برداري مي كند و وسيله نقليه را در منطقه اي امن نگه مي دارد كه همچنين هيچ گونه پاداش بالايي ندارد. در اين حالت درجه حرارت بالا. براي سناريوهايي با ريسك قابل قبول بالاتر ، الگوريتم مسيرهاي جسورانه تر را نشان مي دهد كه يك وسيله نقليه را از طريق يك باريك باريك ، و در نهايت به يك منطقه با درآمد بالا منتقل مي كند.

اين تيم همچنين الگوريتم را از طريق 10،000 شبيه سازي عددي اجرا كرده و محيط تصادفي را در هر شبيه سازي ايجاد مي كند كه از طريق آن مي توان مسير را برنامه ريزي كرد و دريافت كه اين الگوريتم "ريسك را در برابر پاداش بطور بصري معامله مي كند ، و اقدامات خطرناك را فقط در صورت توجيه پاداش انجام مي دهد."

لينك فيلم: https://www.namasha.com/v/dFHRrToj

شيب خطرناكي

در دسامبر گذشته ، آيتون ، ويليامز و ديگران دو هفته را در يك سفر دريايي در ساحل كاستاريكا گذراندند و با استفاده از گلايدرهاي زير آب ، روي آنها چندين الگوريتم را آزمايش كردند ، از جمله اين جديدترين. در اكثر موارد ، برنامه ريزي مسير الگوريتم با مواردي كه توسط چندين زمين شناس در كشتي به دنبال بهترين مسيرها براي يافتن نشت هاي نفتي بودند ، موافقت كرد.

آيتون مي گويد يك لحظه خاص وجود داشت كه الگوريتم محدود به ريسك به خصوص مفيد واقع شد. يك خودروي شاسي بلند (AUV) در حال پيشرفت بود تا ركود ناخوشايند يا زمين لغزش ، جايي كه وسيله نقليه نمي تواند خطرات زيادي را متحمل شود.

آيتون مي گويد: "اين الگوريتم روشي را يافت تا ما را سريعاً ركود كند ، در حالي كه ارزشمندترين آن است." "اين مسيري را طي كرد كه ، گرچه به ما در كشف نشت نفت كمك نكرد ، اما به ما كمك كرد تا درك خود را از محيط زيست تصفيه كنيم."

"لوري سومما ، زمين شناس و محقق مهمان در دانشگاه مي گويد:" آنچه واقعاً جالب بود ، تماشاي چگونگي شروع به يادگيري الگوريتم هاي دستگاه پس از يافتن چندين غواص بوديم و شروع به انتخاب سايت هايي كرديم كه ممكن است ما زمين شناسان در ابتدا آنها را انتخاب نكرده باشيم. " موسسه اقيانوس شناسي Woods Hole ، كه در اين سفر شركت كرد. "اين بخش از روند هنوز در حال پيشرفت است ، اما تماشاي الگوريتم ها براي شناسايي الگوهاي جديد از مقادير زيادي از داده ها ، جالب بودند و اين اطلاعات را به يك استراتژي جستجوي" ايمن "كارآمد ، جفت مي كنند."

در ديد طولاني مدت ، محققان اميدوارند از چنين الگوريتم هايي براي كمك به وسايل نقليه خودمختار براي كشف محيط هاي فراتر از زمين استفاده كنند.

ايتون مي گويد: "اگر ما به اروپا رفتيم و حاضر نيستيم خطرات لازم را براي حفظ كاوش در پيش گيريم ، احتمال يافتن زندگي بسيار ، بسيار پايين خواهد بود." "براي بدست آوردن پاداش بيشتر بايد كمي ريسك كنيد ، كه به طور كلي در زندگي نيز صادق است."